該裝置被稱為RoCycle，由麻省理工學院和耶魯大學合作開發。據報道，其可以與任何第三方機械臂相容。當它們靜止不動時，它們可以準確地區分紙張、塑膠和金屬物品，準確率達到85％，當它們必須從移動的傳送帶上抓下物品時，準確度達到63％。隨著技術的進一步發展，準確率將進一步提升。

RoCycle利用兩個柔軟的手指拾取物體，輕輕擠壓物體。首先，這允許它衡量每個專案的大小。另外，利用手指中的壓力感測器，它測量抓住物體所需的力的大小。這表示該物體材料的剛度。

然後，定製軟體將這些尺寸等數字與先前已輸入資料庫的各種已知紙張和塑膠物品的數字進行比較。當找到匹配時，系統知道手中握著的是什麼，以及該東西是由什麼構成的。壓力感測器也是導電的，可以讓系統識別金屬物體。

RoCycle機器手也並不像其他“軟體機器人 ”裝置那樣脆弱。這是因為每個手指由兩個平行的圓柱體組成，用矽膠套覆蓋。這些圓柱體又由拉脹聚合物製成，拉伸時實際上變寬。當電動機轉動氣缸時，聚合物會扭曲和伸展，從而變寬並使手指變得更粗。

這項技術被稱為“手動剪下輔助裝置”（HSA），不僅可以使手指仍然相對堅硬，而且還可以使用常規電機。相比之下，一些基於流體的軟體機器人系統需要更昂貴的空氣泵或壓縮機。

研究人員正在研究將RoCycle技術與機器人攝像頭的影片輸出相結合，透過同時使用觸覺和視覺資料來提高準確度。研究報告的第一作者、來自麻省理工學院的Daniela Rus教授表示，“僅靠計算機視覺無法解決機器人的感知問題，因此能夠使用觸覺輸入至關重要。”

該論文將於本月晚些時候在南韓首爾舉行的IEEE國際軟體機器人大會上發表。